Research indexJournal article
АДАПТИВНА РОБАСТНА НЕЧІТКА КЛАСТЕРИЗАЦІЯ ПОТОКІВ ДАНИХ НА ОСНОВІ ПРАВДОПОДІБНОГО ПІДХОДУ
Шафроненко, Bodyanskiy, Шейко and 1 other
Системи обробки інформації30 Mar 2026Open access
NobleIDark:/48914/w1/20261105/E9152ED9DOI10.30748/soi.2026.184.11
АДАПТИВНА РОБАСТНА НЕЧІТКА КЛАСТЕРИЗАЦІЯ ПОТОКІВ ДАНИХ НА ОСНОВІ ПРАВДОПОДІБНОГО ПІДХОДУ
Шафроненко, Bodyanskiy, Шейко and 1 other · Системи обробки інформації · 2026
NobleIDark:/48914/w1/20261105/E9152ED9DOI10.30748/soi.2026.184.11
Abstract
У сучасних умовах глобалізації “інформаційний вибух” призводить до необхідності нового інтегрального погляду на створення в рамках Data Science теоретичних основ аналізу та опрацювання різноманітних інформаційних потоків, що характеризуються великими обсягами, розмірностями, надвисоким ступенем динаміки та невизначеності. Задача кластеризації-класифікації без вчителя масивів даних займає важливе місце у загальній проблемі Data Mining. Існує безліч підходів, методів та алгоритмів для її вирішення, проте, реальні дані, часто забруднені аномальними викидами або збуреннями з негаусівськими розподілами, викликають труднощі для традиційних методів. Метою статті є розробка правдоподібного методу нечіткої кластеризації в онлайн режимі, який поєднує в собі переваги теорії довіри та робастних підходів у задачах нечіткої кластеризації потоків даних.